待验证50% 置信事实精确时间

GNoME（Graph Networks for Materials Exploration）使用图神经网络（GNN）来预测晶体结构的稳定性，核心指标是材料在凸包上的分解能

1

来源数

50%

置信度

长期有效

时效性

2026/8/26

首次发现

来源

AI能否带来真正的"LK-99时刻"？

涉及实体

GNoMEconcept 图神经网络concept

相关事实

待验证GNN在材料科学中将晶体结构映射为图数据结构，原子作为节点、化学键作为边，通过消息传递机制学习79% 相似待验证物理信息神经网络（PINNs）通过将物理方程约束编入损失函数改善分布外泛化能力，将类似物理先验融入渲染代理网络是当前研究前沿56% 相似待验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量52% 相似待验证2018年Li等人在论文《Visualizing the Loss Landscape of Neural Nets》中研究表明简单网络的损失景观也具有复杂几何特性51% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/802075

API

curl https://kongchang.com/api/v1/knowledge/claims/802075

MCP

get_claim(id=802075)